AI becario

Изучать, сотрудничать и оказывать поддержку команде AI Engineering в разработке и внедрении прототипов, очистке и разметке данных, а также в первоначальном тестировании моделей Machine Learning, обработки естественного языка (NLP) и OCR. Стажёр / недавний выпускник будет участвовать под наставничеством инженеров уровня standard и senior в цикле разработки программного обеспечения, вовлекаясь в автоматизацию задач, использование системы контроля версий (Git) и подготовку технической документации, развивая при этом практические навыки в рамках agile-методологий (Scrum).

1. Поддержка в предобработке данных: помощь в очистке, структурировании, форматировании (JSON/CSV) и разметке наборов данных для обучения моделей OCR и NLP.

1. Разработка скриптов и базовых интеграций: написание скриптов на Python для автоматизации простых задач, извлечения текста и первоначального тестирования библиотек ИИ.

1. Контроль версий и документация: поддержание порядка в коде в репозиториях Git в соответствии со стандартами команды, а также помощь в подготовке технической документации в Confluence.

1. Тестирование и отладка: помощь инженерам уровня standard и senior в проведении модульных и интеграционных тестов для REST API и микросервисов ИИ.

1. Активное участие в обучении и Scrum: посещение ежедневных церемоний (daily, planning) команды Scrum, выполнение задач, назначенных в Jira, и участие в сессиях наставничества для ускорения кривой обучения.

1. DevOps: базовые представления о DevOps с использованием GitHub.

· Основной язык: Python (знание синтаксиса, функций, обработки исключений и базовых библиотек).

· Типы и структуры данных: владение типами данных (integer, float, string, boolean) и базовыми структурами данных (списки, словари, кортежи, множества).

· Базы данных (базовые концепции): представление об SQL (PostgreSQL/MySQL) для выполнения запросов (SELECT, WHERE, JOIN) и структурах JSON для неструктурированных данных.

· Теоретические концепции: базовое понимание этапов развития ИИ (тест Тьюринга, эволюция), различия между искусственным интеллектом, Machine Learning и Deep Learning.

· Парадигмы обучения: концептуальное понимание разницы между обучением с учителем и без учителя.

· Базовые библиотеки: начальный уровень владения NumPy, Pandas, Matplotlib и scikit-learn (для предобработки данных и простых моделей, таких как регрессии или классификации).

· Предобработка текста: концепции очистки текста: токенизация, удаление стоп-слов (StopWords), stemming и лемматизация.

· Вводные инструменты: базовые знания или интерес к изучению spaCy, NLTK или библиотек для чтения документов/OCR (Tesseract, PyPDF2).

· Контроль версий: базовый Git (команды clone, commit, push, pull, branch).

· Рабочее окружение: использование Visual Studio Code и Jupyter Notebooks для экспериментов и разработки скриптов.

· Ассистенты на базе ИИ: повседневное использование таких инструментов, как ChatGPT, Gemini или Copilot, для ускорения обучения и решения технических вопросов.

· Методологии: концептуальное знание Scrum и ведение учёта прогресса в таких инструментах, как Jira или Trello.

Для недавнего выпускника или стажёра предыдущий опыт работы не требуется, но будет ценным наличие базовых сертификаций, подтверждающих интерес к обучению и теоретическую подготовку:

1. Microsoft Certified: Azure AI Fundamentals (AI-900) / AWS Certified Cloud Practitioner

2. Python для Data Science и Machine Learning / Google Data Analytics Certificate

3. Scrum Fundamentals Certified (SFC)

4. IBM Introduction to Artificial Intelligence (AI) / Coursera Deep Learning Specialization (начальные курсы)

5. Git & GitHub Basics (сертификаты таких платформ, как Platzi, Udemy или edX)